Autor dzieli się eksperymentem zastosowania Jev: dzielenie tekstu na części, ocena różnych wzorców skracania za pomocą wielu ocen Jev i równoważenie czytelności z utratą informacji, aby kompresować tekst i usuwać redundancję LLM.
Jevの応用実験で文章を圧縮してLLMの冗長さを省く実験やってみた。パーツごとに分解していろんな削りパターンを判定し、読みやすさと情報の欠損のバランスをとっていくのを大量のJev判定でやっていく
Malte Ubl uruchomił Jev od TypeSafe AI na istniejącej ewaluacji klasyfikatora: nasycił ewaluację pod względem jakości i był 6 razy szybszy niż Gemini 2.5 Flash Lite.
Autor wydał rozszerzenie DuckDB, które używa Jev od TypeSafe AI do szybkiej klasyfikacji wierszy w plikach CSV/Parquet lub tabelach DuckDB, około 10 sekund na 1k wierszy—szybciej niż LLM i wygodniej niż klasyfikator.
Autor streścił każdy artykuł za pomocą DeepSeek V4 Flash, a następnie przesłał tytuł, streszczenie i 24 możliwe tematy do Jev w celu klasyfikacji. Przetworzono 1018 artykułów o AI przy łącznym koszcie 0,08 USD i medianie opóźnienia end-to-end 256 ms na artykuł.
